一致性聚类——Consensus clustering

本文将开始介绍动态网络社区发现的一个新的流派，一致性聚类。一致性聚类（Consensus clustering）最初由Stefano等人于2003年提出。本文就是将这种聚类思想应用在复杂网络中。

论文题目：Consensus clustering in complex networks（2012）

作者：Andrea Lancichinetti

摘要：复杂网络的社区结构揭示了组织和成员之间隐藏的关系。目前大多数社区检测方法的结果都是不确定的，通常取决于它们执行时所采用的特定随机种子、初始条件和打结规则（tie-break rules）。在数据分析中，采用一致性聚类的方法，用随机方法提供的一组划分中生成稳定的结果。在这里，我们展示了一致性聚类可以以有条理的（self-consistent）的方式与任何现有的方法结合，从而大大提高了划分结果的稳定性和准确性。该框架也特别适用于监测时序网络中群落结构的演化。在大型物理学引文网络中应用一致性聚类表明它能够跟踪论文的诞生、死亡和主题的多样化。